當人工智能在戰略上的部署與人為監督相結合時，可以為下一代數據中心創造一系列新的效率。

無論是維護自己的內部數據中心還是完全依賴異地數據中心，企業的IT專業人員都需要確保他們的服務器能夠應對各種新興技術所帶來的增長需求，這些技術有望在未來幾年重塑企業的格局。那些未能將這些技術從云計算到大數據再到人工智能（AI）的革命性潛力融入數據中心基礎設施的企業，可能很快就會發現自己遠遠落后于競爭對手。

實際上，調研機構Gartner公司預測，到2020年，超過30%未能充分準備人工智能的數據中心將無法在業務運營或經濟上可行。鑒于這一嚴峻現實，企業和第三方供應商都有責任投資解決方案幫助他們充分利用這些尖端技術。

無論企業是在自己的數據中心設施中進行投資，還是與具有前瞻性思維的第三方供應商建立合作關系，它都需要盡快啟動面向支持人工智能的數據中心基礎設施。通過在仍有市場發展空間的情況下加入發展潮流，企業通過以下三種方式利用人工智能改善他們的數據中心日常運營。

1.利用預測分析優化工作負載分配

在過去，IT專業人員有責任優化所在公司服務器的性能，確保工作負載戰略性地分布在其數據中心組合中。無論是在企業內部服務器基礎設施還是非現場服務器基礎設施上運行，這一過程對于最大限度地提高企業數字運營的有效性仍然至關重要。也就是說，由有限的人員和/或資源限制的IT團隊可能難以全天候地嚴格監控工作負載分配。

幸運的是，人工智能可以提供幫助。通過采用預測分析驅動的管理工具，IT團隊可以將其絕大部分工作負載分配給服務器。這些工具能夠實時優化存儲和計算負載平衡，使IT專業人員能夠在更高和更低勞動密集級別上進行監督運營。

預測分析工具的優勢不僅僅是自我管理。由于人工智能技術固有的自我改進特性，預測分析算法管理的服務器隨著時間的推移變得更加高效。隨著改進的算法處理更多數據，并更熟悉企業的工作流程，他們將在請求發出之前開始預測服務器需求。

2.機器學習算法以最佳方式處理事務

即使在處理一個中小型公司的計算需求時，數據中心也會消耗大量電力。雖然其中一些消耗直接來自服務器的計算和存儲操作，但其中大部分來自數據中心的冷卻功能。對于企業來說，保持服務器冷卻以保證其正常運行十分重要，但在工業數據中心規模上，這種能源使用很快就會成為主要的財務負擔。因此，任何可以幫助企業提高其數據中心冷卻效率的工具或技術都帶來了巨大的附加價值。

為了追求更好的數據中心能源效率，谷歌公司和DeepMind公司最近嘗試使用人工智能來優化他們的冷卻活動。Alphabet公司作為技術先驅者的想法是，人工智能驅動的推薦系統，即使是在廣泛的數據中心網絡上只做了微小的改進，也可以減少能耗，削減成本，并使數據中心設施更加環保可持續發展。

到目前為止，該項目取得了巨大的成功：DeepMind公司的機器學習算法在谷歌數據中心的應用，在不影響服務器性能的情況下，將用于冷卻的能量減少了40%。

3.利用人工智能緩解人員短缺情況

在云計算的興起以及隨之而來的遠程計算和存儲資產的激增之前，數據中心是相對簡單的系統，由少數合格的專業人員組成。然而，云計算領域（如SaaS、PaaS、IaaS等）的新產品和更復雜的產品的出現已經將典型的數據中心轉變為適用于各種關鍵企業工作負載的高科技信息中心。隨著這些產品進入越來越多的數據中心，對擁有必要技能集來管理它們的IT專業人員的需求激增。

不幸的是，這些職位的合格候選人數量仍然有限。因此，數據中心管理團隊正面臨人員嚴重短缺的情況，這可能有朝一日會威脅到企業充分維護其數字資產的能力。為了滿足對數據中心日益增長的需求，企業利益相關者現在必須做出選擇，或者為竭盡全力招募有限的人才，或者投資于解決方案，使數據中心在沒有廣泛人為監督的情況下蓬勃發展。

值得慶幸的是，人工智能技術提供了一種解決方案，可以在沒有實現完全自動化IT管理的情況下，幫助實現一系列服務器功能。人工智能平臺可以自動執行系統更新、安全補丁和文件備份等常規任務，同時將更細微、定性的任務留給IT人員。在沒有處理每個用戶請求或事件警報的負擔的情況下，IT專業人員可以承擔以前需要他們重點關注的任務的監督角色，從而使他們有更多時間專注于更大的管理挑戰。

對于個別企業和第三方數據中心供應商而言，這種基于合作伙伴關系的方法在自動化和長期人員不足之間提供了一個媒介。在五年或十年的時間里，這種混合管理模式很可能成為整個數據中心行業的常態。機器并不會取代人類工作者，至少不會很快取代，但它們可以幫助不堪重負的IT團隊做一切需要做的事情，以保持數據中心的平穩運行。